【US】接口该演化不该手写：Simular Agent S4，同模型 OSWorld 21.3%（3.8×）

查看PDF HTML（实验性）

摘要：人类为计算机使用代理提供的界面限制了代理的能力。代理可能逐个单元格地输入电子表格，而一行代码就能完成；或者通过shell打印出文件中的所有两千行代码来查找一个函数。界面和何时使用每个界面的知识都是手工构建的，无法跟上新的应用、工作流程和模型的发展。我们认为界面设计本身应该是一种代理能力。我们介绍了Agent S4，一个自主的计算机使用科学家，它从任务经验中构建演化的代理界面。元代理检查任务代理在合成训练任务上的轨迹，没有成功标签，并在存储库中构建和修改界面和用法知识。基于群体的进化通过元代理从未见过的验证任务上的性能来选择进一步开发的存储库，优先选择能够推广到已见任务的变更。在OSWorld V2上，Agent S4，使用Qwen3.8-27B和演化的界面存储库，在开源计算机使用代理中达到了新的水平，达到了21.3%的二进制得分，是具有固定界面的相同模型的3.8倍。这超过了GPT-5.5（13.0%）和Claude Opus 4.8（20.6%），分别约为它们成本的4.3%和1.5%。在ScienceBoard上，演化的界面使用相同的模型将成功率从41.4%提高到58.6%。这些结果表明，有用的界面可以从经验中演化出来，使自主界面设计成为模型和利用进步的补充来源。我们在此https URL上开源了我们的代码。

投稿历史

来自：Saaket Agashe [查看电子邮件]
[v1] 周二，20 Oct 2026 17:47:37 UTC (8,322 KB)